近日，国家自然科学基金委员会公布了2024年国家自然科学基金集中接收申请项目评审结果，教育部社科司公示了2024年度教育部人文社会科学研究项目评审结果，统计学院获批3项国家自然科学基金项目和1项教育部人文社会科学项目。

项目简介

卜德亮，统计学院数理统计系讲师。本科毕业于四川大学，硕士毕业于美国弗吉尼亚大学，博士毕业于中国科学院大学。主要研究方向为全基因组关联分析，生物统计以及高维统计检验方法等。目前已经在Bioinformatics，Genetic Epidemiology等统计学、遗传学以及生物信息学权威期刊发表多篇论文。

国家自然科学基金项目《基于概括性统计量的遗传统计方法研究》简介：

复杂疾病是影响人类健康与寿命的关键因素。全基因组关联分析是发现与复杂疾病相关联的基因位点的有效手段。由于个人隐私等原因，目前的全基因组关联分析选择公布概括性统计量而非个体数据。因此，基于概括性统计量的统计推断方法已经成为相关领域研究的前沿热点内容。本项目研究基于概括性统计量的遗传统计方法，主要研究内容包括：针对基于概括性统计量的多维表型转录组关联分析检验；针对融合概括性统计量信息的连续表型多基因风险评分模型估计方法；针对融合概括性统计量信息的离散表型多基因风险评分模型估计方法。拟取得的研究成果具有重要的理论意义与实际应用价值。

许卓颐，统计学院金融数学系讲师。2021年11月毕业于北京航空航天大学数学科学学院，获理学博士学位。目前主要从事非凸二次优化问题的近似与快速全局算法研究工作，已在Mathematical Methods of Operations Research、Journal of Global  ptimization等优化领域著名期刊发表过多篇学术论文，其中1篇荣获Mathematical Methods of Operations Research杂志2023年Best Paper Award。

国家自然科学基金项目《复数二次约束二次优化的近似与快速全局算法及其应用》简介：

复数二次约束二次优化问题的近似与快速全局算法研究不仅是数学优化中非常重要的研究课题，而且已被广泛应用在无线通信、人工智能、医学成像等诸多科学与工程技术前沿领域。本项目研究复数二次约束二次优化问题的近似与快速全局算法。一方面，拟根据不同优化问题特点，针对性设计松弛方法并构造近似算法；另一方面，拟研究二次优化问题中的隐凸性，设计快速全局优化算法并实施与应用。本项目致力于发展并创新松弛技术，项目的实施将为复数二次约束二次优化问题、分式优化和四次优化问题的高效求解提供新思路和方法，也可为求解大规模MIMO检测、核磁共振成像等问题提供重要的理论指导和技术支撑。

及靖宇，统计学院经济统计系讲师。2018年获得山东大学数学与应用数学学士学位，2019年获得美国威斯康星大学麦迪逊分校统计学硕士学位，2023年获得复旦大学统计学博士学位，2023年至今任教于首都经济贸易大学统计学院。主要研究方向包括极值统计、时间序列分析、风险管理。目前在StatisticaSinica等统计学国际权威期刊发表论文多篇，主持国家自然科学基金青年科学基金项目，并参与国家自然科学基金面上项目两项。

国家自然科学基金项目《复杂风险驱动因子结构下的系统性风险来源分解研究及应用》简介：

近年来，金融危机、极端气候等极端罕见事件频繁发生，对全球带来了巨大的负面影响。在金融领域，1998年亚洲金融危机、2008年美国次贷危机、2013年欧洲主权债务危机、2015年中国股灾、2023年美国硅谷银行和瑞士信贷银行债务危机等，都对全球市场带来了巨大的冲击。系统性风险因此成为了热点研究课题之一，受到了高度的关注。本项目基于极值理论和非线性时间序列分析方法，研究不同复杂场景下的系统性风险来源分解问题，提出新型极值理论模型刻画风险驱动因子的不同复杂结构，证明新模型相应的理论性质和估计量的渐近性质，为高效地管理系统性风险提供科学依据。

范烨，统计学院数理统计系讲师、硕士生导师，博士毕业于中央财经大学。主要研究方向为分位数回归、广义线性模型、大数据分布式计算、流数据在线推断、因果推断等。目前已在Journal of Econometrics、Data Mining and Knowledge Discovery、Journal of Computational and Graphical Statistics、Computational Statistics & Data Analysis等国际权威期刊发表论文多篇。

教育部人文社会科学项目《分布式流数据分位数回归在线估计问题》简介：

空气质量数据由多监测站点按时间顺序采集，兼具分布式和流式特征。对分布式空气质量流数据进行分位数回归并行在线分析可帮助我们及时找到不同分位数水平下与空气质量相关的重要影响因素，为应对空气污染问题提供实时的科学依据。然而，已有的分位数回归在线估计方法在每次更新时均需求解一个检查损失最小化问题并进行多次矩阵求逆运算，在流数据的数据块维度较大时计算不灵活，在数据高频更新时甚至不可行，此外，也不可直接应用于空间异质的分布式情形。本项目拟针对空间异质且高频更新的分布式流数据，通过结合分治和贝叶斯分析思想，借助随机近似、Polyak-Ruppert平均以及Gibbs采样技术，发展计算高效的、更新过程仅涉及一次矩阵求逆运算的分位数回归并行在线估计方法，研究估计的统计性质，并将方法应用于北京市空气质量影响因素分析。研究具有重要的理论和实际应用价值。